一种基于实值变分贝叶斯推断的大规模MIMO系统下行信道估计方法

酉矩阵变换是一种常用的实值化方法,可有效地降低计算复杂度。然而,在现有的基于酉矩阵变换的大规模多输入多输出系统（Multiple input multiple output, MIMO）下行信道估计方法中,观测矩阵的维度增加了一倍,若不进行维度压缩,降低计算复杂度的目标将难以实现。虽然利用信号空间和噪声空间的正交性可压缩维度,但信号空间只能近似计算获得,不可避免地带来性能损失。为了改善信道估计性能,本文将信号空间矩阵当作变量,在估计过程中自适应地调整信号空间矩阵,但这使得信号空间矩阵和稀疏信号矩阵高度耦合,传统的贝叶斯推断无法适用。为了应对该挑战,本文进一步引入列向量独立分解的贝叶斯变分假设,成功将信号空间矩阵和稀疏信号矩阵解耦。仿真结果表明,所提方法可显著提升信道估计性能。     

一阶动态电路暂态分析的教学方法探讨

一阶动态电路暂态分析是"电路"课程的一个重要的教学内容,为此,根据教学对象和教学目的,选择适当的方式进行教学。对经典的RC一阶电路暂态分析的教学方法进行了总结与评述,针对其局限性,提出了一种基于微分方程求解的一阶动态电路暂态分析的教学方法,该教学方法深刻揭示了零输入响应、零状态响应和全响应三者之间的内在关系,适用范围广,易于掌握,无需死记硬背。     

互耦效应下一种基于实值稀疏表示的波达方向估计算法

针对未知互耦条件下的波达方向（DOA）估计问题,提出了一种未知互耦条件下基于实值稀疏表示的加权子空间DOA估计算法。新算法利用一个特定的酉变换矩阵,将一个复杂的复值优化问题转化为一个实值优化问题,从而有效地将原问题的计算复杂度减少4倍以上。此外,为了进一步提高稀疏表示的估计算法估计精度,在原有l1 范数优化模型基础上引入一个能使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明,在低信噪比情况下,新算法能进一步提高稀疏表示的估计算法抗噪能力,获得更好的估计精度。     

一种基于加权子空间的稀疏表示DOA估计算法

针对未知互耦条件下的波达方向（DOA）估计问题,本文提出一种未知互耦条件下基于加权子空间（WSF）的稀疏表示DOA估计算法。新算法在原有l1范数优化模型基础上引入一个子空间加权矩阵,并推导出了一个使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明在低信噪比情况下,新算法能进一步提高稀疏表示估计算法的抗噪能力,获得更好的估计精度。     

未知互耦下双基地MIMO雷达阵列DOD和DOA估计算法

针对MIMO雷达阵列中存在的互耦效应会严重影响发射角（DOD）和接收角（DOA）估计性能的问题,提出了一种基于ESPRIT算法的双基地MIMO雷达阵列DOA和DOD估计方法。该方法利用阵列流型矩阵的结构特点和均匀线阵互耦矩阵的带状Toeplitz特性,能实现互耦效应未知情况下DOA和DOD的精确估计。本文方法无需对角度进行搜索,计算量小,对角度的估计精度高,特别是在低信噪比环境下依然能取得 较好的估计性能。仿真结果验证了本算法的可行性和正确性。